基于python的留一法+多元线性回归2021-05-13

用python进行简单的多元线性回归预测，这里是用性别、体重两个特征预测性别。新手，仅记录，欢迎指导。

划分数据集用的LOO，直接导的包做的。

import pandas as pd    #  导入Python的数据处理库pandas,相当于Python里的excel
import numpy as np    # 导入Python的数据处理库numpy
data = pd.read_csv('biyelunwen.csv',encoding='gbk')

# 把data转成一个个的数组,不做这一步直接输data[:,0:2]，就会报错
A=np.array(data)
X=A[:,0:2]
y=A[:,2]

# 导入线性回归、LOO模块
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import LeaveOneOut
loo=LeaveOneOut()
lin_reg=LinearRegression()


# loo交叉验证法循环
right=0
for train,test in loo.split(data):
    X_train,X_test=X[train],X[test]
    y_train,y_test=y[train],y[test]
    # 训练和预测
    lin_reg.fit(X_train,y_train)    
    y_test_pred=lin_reg.predict(X_test)
    
    if y_test_pred >0.5:
        y_test_pred=1
    else:
        y_test_pred=0
        
    if y_test_pred==y_test:
        right=right+1
    else:
        right=right+0

acc=right/X.shape[0]
print('准确率={:.2f}%'.format(acc*100))
    
# 显示斜率
w = lin_reg.coef_
print("自变量x的系数w为: ", np.round(w,4))
#np.round保留小数点设置

# 显示截距
b = lin_reg.intercept_
print("常数项（截距）为: ", np.round(b,4))

 最后结果：

准确率=84.00%
自变量x的系数w为:  [0.0343 0.0119]
常数项（截距）为:  -6.0384